Naturens smukkeste forestillinger kunne inspirere næste generation af kunstig intelligens

Forskere har opdaget en mulig drivkraft bag nogle af naturens smukkeste skærme, der baner vejen for mere kompleks og autonom AI.

Forskere ønskede at replikere de grundlæggende mekanismer bag nogle af de mest organiserede mønstre set i dyreriget, såsom enorme hvirvlende stæremumlen og enorme snoede sildestimer.

Grupper som disse, bestående i mange tilfælde af hundredtusindvis af individuelle dyr, ser ud til at bevæge sig som om tvunget af en kollektiv intelligens, sagde hovedforfatter Dr. Marco Mazza, en lektor i anvendt matematik, ved Loughborough University.

Men i virkeligheden, kunne være ned til grundlæggende overlevelsesinstinkter.

"Naturens skønhed har inspireret kunstnere, filosoffer, og videnskabsmænd, så længe vi kan huske, " sagde Dr. Mazza.

"Den tilsyneladende ubesværede harmoni i trækfugles kollektive bevægelse, eller skolegang trodser forklaringer.

"Vores mål var at opnå en minimal model for generelle træk ved selvorganisering i det naturlige, eller dyr, verden.

"Princippet om 'maksimer dine muligheder' – en enkel, næsten trivielle ambitioner - producerer komplekse organisatoriske mønstre, kendt som Goldstone-tilstanden, et begreb, der er kendt for fysikere, der arbejder med livløst stof.

"Denne Goldstone-tilstand er, i enkle vendinger, hvordan en kæmpe flok stære pludselig kan skifte retning kollektivt, som om der var en central hjerne.

"Men i virkeligheden, der er ingen kerneintelligens, der driver adfærden."

Dr. Mazza og hans medforfattere, Hannes Hornischer og professor Stephan Herminghaus, opsæt simple computersimuleringer af grupper af partikler – efterligner dem, der findes i den naturlige verden.

De afslørede, at komplekse mønstre, og udseendet af synkroniseret gruppeadfærd, blev skabt ved at hver enkelt i gruppen reagerede på en enkel måde på små påvirkninger fra sine nærmeste naboer.

I modellen, hver agent (individuel) fik ét mål – at maksimere de fremtidige muligheder, som var til rådighed for sig selv.

Den resulterende bølge af information formede gruppens bevægelse og tilsyneladende 'adfærd'.

Da gruppen reorganiserede sig til mere komplekse formationer, ifølge nye oplysninger, den revurderede sig selv.

Det fortsatte med at indsamle og udveksle information, og derefter omorganisere, indtil målet om at maksimere rummet omkring hver partikel blev nået.

denne proces, ikke observeret før, kunne være det, der driver den kollektive adfærd hos store grupper af dyr, fisk og endda mennesker.

I naturen, dette enkelt målfokus - for eksempel at forsvare sig mod rovdyr - findes i næsten alle skabninger.

At lære mere om, hvordan levende organismer behandler og reagerer på deres miljø, kan hjælpe med at forbedre kunstig intelligens ved at give AI-systemer grundlæggende kognitive færdigheder, gør dem mindre afhængige af menneskelig indgriben.

Dr. Mazza sagde:"Det nuværende paradigme for kunstig intelligens er for meget afhængig af store mængder data – store neurale netværk, for eksempel, er grådige efter træningsdata.

"En sådan strategi viser måske allerede nogle begrænsninger. Når man står over for en ny situation, nuværende AI-tilgange kræver omskoling og specifik menneskelig indgriben, der koster tid og penge.

"En lovende måde at forbedre det på er at udvikle metoder, der er i stand til at behandle ny information ligesom organismer med hjerner gør.

"Det første trin ville derefter være at identificere måder at behandle oplysninger, som er åbne for nye input og let kan tilpasses.

"Tilgangen i denne publikation har dette potentiale, fordi den er inspireret af organismer, der har tilpasset sig til at behandle og løse nye udfordringer i millioner af år af deres udvikling."